Irma Estrada P.

UNIDAD 3.- TEORÍA DE DECISIONES

3.1- Características generales

3.2- Criterios de Decisión Determinista y Probabilística
3.3- Valor de la Información Perfecta
3.4- Árboles de Decisión
3.5- Teoría de Utilidad
3.6- Análisis de Sensibilidad
3.7- Uso de Software

Ejercicios

56
 Irma Estrada P.

3.1 CARACTERISTICAS GENERALES

El análisis de decisiones proporciona una metodología racional para tomar

decisiones cuando el futuro es incierto, se deben establecer criterios,
seleccionar alternativas, determinar un modelo que representa la situación real,
y evaluar las alternativas con base en el modelo para seleccionar la mejor
decisión. Un modelo es una abstracción y simplificación de un problema real,
que de manera ideal incorpora lo elementos y las relaciones esenciales del
problema.
Resolver un modelo, tiene como significado obtener las conclusiones
sustentadas por el análisis, que sirven como guía para la toma de decisiones la
cual, debe incluir la información cuantitativa como solución, y el juicio intuitivo
del tomador de decisiones.
Las decisiones ocurren en dos contextos esencialmente distintos: en
condiciones bajo certidumbre y el más común en condiciones bajo riesgo e
incertidumbre. Dentro de la Investigación de Operaciones las variables
principales en los problemas de decisión se clasifican de la siguiente manera.
Ver fig.3.1

Problema de decisión Certidumbre Incierto

Sencillo Modelos de caso Análisis de decisiones
Modelos de caso
Complejo Programación lineal Simulación
y entera

Modelos de inventarios Modelos de

Dinámico Modelos Ruta crítica inventarios
Programación dinámica Modelos de colas
Procesos de Markov
Programación
dinámica

Figura 3.1 clasificación de los problemas de decisión

En términos generales el tomador de decisiones debe elegir una acción de un

conjunto de acciones posibles. Estas acciones contienen todas las alternativas
factibles bajo consideración. La elección de una acción debe hacerse bajo
incertidumbre porque los resultados se verán afectados por factores aleatorios
que determinan en que situación se encontrará en el momento en que se
ejecute la acción y cada una de estas situaciones posibles se conoce como un

57
 Irma Estrada P.

estado de la naturaleza, que se encuentran fuera de control del tomador de

decisiones.1

Características:

1.- El tomador de decisiones puede ser un individuo, un comité, la empresa ó

una nación, y debe elegir una de las acciones posibles.
2.- Alternativas de acción: análisis de varias alternativas
3.- Eventos o estados de la naturaleza: son situaciones o estados del ambiente
que pueden ocurrir y que no están bajo control del tomador de decisiones.
Bajo condiciones de incertidumbre, el tomador de decisiones no conoce con
certeza que evento ocurrirá cuando decide. La incertidumbre se mide en
términos probabilísticos asignados a los eventos.

El tomador de decisiones debe.

1. Asignar probabilidades personales a los eventos y utilidades a las
consecuencias asociadas con cada par acción-evento.
2. Calcular una utilidad esperada para cada acción
3. Elegir la acción que maximice la utilidad esperada

El tomador de decisiones también puede tener la opción de adquirir más

información de las consecuencias asociadas con los cursos de acción bajo
evaluación, por medio de solicitar información adicional para mejorar la toma de
decisiones .Esta información puede ser costosa y nada confiable. El análisis de
decisiones, proporciona un modelo conceptual básico para determinar que
información debe adquirirse y cuando debe obtenerse y la elección que debe
hacerse después de recibida.

3.2 CRITERIOS DE DECISIÓN DETERMINISTICOS Y PROBABILISTICOS

Estos criterios han sido desarrollados en parte, para evitar la evaluación

probabilística e ignoran la naturaleza incierta de la toma de decisiones los
criterios de elección son básicos y se basan exclusivamente en la matriz de
pagos dichos criterios de decisión son los siguientes:

1
Fredericks– Liberman Gerald J. Introducción a la Investigación de Operaciones, .2001.México: Editorial Mc Graw Hill.

58
 Irma Estrada P.

1. Dominación
2. Maximin
3. Maximax
4. Hurwicz
5. Laplace
6. Savage

1. DOMINACIÓN
La dominación expresa que si para cada evento la consecuencia de la acción a1
es al menos tan deseable como la consecuencia de otra acción a2 y es mas
deseable por lo menos en un evento, entonces la acción a2 es dominada y por
consiguiente no debe elegirse

Problema 1.-
Se tienen 2 alternativas con 2 tipos de acción en la tabla siguiente se
representan las utilidades para cada alternativas ¿Cuál es la mejor decisión bajo
estas características?

Acción Acción
Alternativa Decisión
alta baja
A1 200 180 A1
A2 -50 80

Considerando el criterio de dominación la alternativa A1 domina sobre la

alternativa A2

2. CRITERIO MAXIMIN DE WALD.

Fue sugerido por Abraham Wald se especializo en estadística y aportó a esta

ciencia un elevado rigor matemático, fue el fundador del análisis secuencial para
la toma de decisiones
El criterio maximin o del pesimismo, representa una filosofía conservadora
para la toma de decisiones. Se supone que la naturaleza es siempre
malevolente, Se trata de asegurar una ganancia o una pérdida conservadora. El
criterio consiste en identificar el peor resultado de cada alternativa y de estos
peores valores escoger el mejor alternativa correspondiente. Este criterio
pesimista, también se utiliza en teoría de juegos. Dicho de una manera sencilla
el “Método en el cual se tiene un pensamiento conservador, en el cual se elige
lo mejor de lo peor.”

59
 Irma Estrada P.

Problema 2.

Un comerciante de una ciudad desea saber cuál es el pedido de árboles de

navidad para venderlos en esta temporada. El pago por cada árbol es de $70
pesos y lo vende en $150.00 Por cada árbol que vende paga $10.00 a sus
trabajadores para que lo entreguen empaquetado y con base de madera. Si le
sobran árboles los vende para leña en $5.00 y si le faltan árboles se penaliza
con $12.00. Determinar cuál es la mejor decisión. Considere una demanda
probable de 2500, 3000, 3500, y 4,000 árboles según la figura 3.2. En estos
casos de criterios tan sencillos no es necesario explicar como se calculó la
matriz de utilidades esta explicación se desarrollará en el análisis del criterio de
SAVAGE, el cual se trabajara con el criterio de la máxima utilidad.

La matriz de utilidades del problema anterior esta dada en la figura 3.2

siguiente.

matriz de utilidad
Demanda(estados de la naturaleza)
Pedidos 2500 3000 3500 4000
2500 175000 169000 163000 157000
3000 142500 210000 204000 198000
Pedido

3500 110000 177500 245000 239000

4000 77500 145000 212500 280000

Figura 3.2 matriz de utilidades del problema de árboles

Decisión:
Pedido Ganancia mínima Decisión ( de lo peor
se elige lo mejor)
2500 157,000 Pedir 2500 árboles
3000 142,500
3500 110,000
4000 77,500

En este caso la decisión es pedir 2500 arboles usando el criterio pesimista.

3. CRITERIO: MAXIMAX

Si el criterio maximin es extremadamente pesimista, el maximax es

superoptimista. También se le conoce como del aventurero. El maximax escoge
de cada alternativa lo mejor de lo mejor es el otro extremo del criterio pesimista,

60
 Irma Estrada P.

y analiza las oportunidades que representan otras alternativas, ya que se va a lo

mejor de lo mejor e ignora las perdidas.

Problema 3.

Usando los datos de la figura 3.2 del ejemplo de los árboles la decisión usando
este criterio maximax:

Pedido Ganancia máxima Decisión ( lo mejor de

lo mejor)
2500 175,000
3000 210,000
3500 245,000
4000 280,000 Pedir 4000 árboles

Este criterio denota un optimismo extremo para los resultados de una decisión.
La regla es seleccionar la alternativa que ofrece la oportunidad de obtener el
mejor resultado. Es este caso pedir 4000 árboles lo máximo de lo máximo.

CRITERIO DE HURWICZ. 2 (α= coeficiente de optimismo)

Al econometrista Leonid Hurwicz se le debe la aportación de este criterio. Fue

un matemático y economista estadunidense, de origen ruso. Desarrolló modelos
para analizar y comprender las interacciones entre instituciones e individuos así
como el funcionamiento de los mercados. Reconoció el valor de la teoría de
juegos. Por sus estudios sobre el mecanismo óptimo para alcanzar al mismo
tiempo objetivos diferentes, como el bienestar social y ganancias privadas,
recibió el premio Nobel de Economía de 2007

El criterio de Hurwicz supone que el optimismo no siempre es de naturaleza

benévola, ni el pesimismo no siempre es de naturaleza malévola. Este criterio
es racional y no considera irse a los extremos de los dos criterios anteriores, Y
sugiere que si el tomador de decisiones es optimista debería poder expresar su
grado de optimismo y así se introdujo el coeficiente de optimismo. El coeficiente
de optimismo es un medio por el cual el tomador de decisiones considera las
utilidades máximas y mínimas y los pesa de acuerdo con sus propios
sentimientos de optimismo y pesimismo el coeficiente se encuentra entre cero y
uno es decir (0 ≤ α ≥ 1).

2
Moskowitz, Herbert., Wright, Gordon. Investigación de Operaciones, (p.117) . 1986.Editorial Prentice Hall

61
 Irma Estrada P.

Las dificultades comprenden la dificultad para asignar un valor especifico a α , el

ignorar los valores de las consecuencias intermedias para cada acción cuando
existen mas de dos eventos y la inhabilidad para elegir una acción particular
cuando todas las acciones tienen las mismas consecuencias peores y mejores.

Este criterio de Hurwicz así llamado, distingue los resultados máximos y

mínimos posibles de cada alternativa; hecho esto aplica el factor de ponderación
∞ llamado "índice de optimismo relativo", para llegar a la decisión mediante el
cálculo de utilidades esperadas.

“Si un tomador de decisiones es optimista, que lo manifieste con un coeficiente

de optimismo: 0<α<=1”

α = Coeficiente de optimismo
C = Utilidad o Costo
Hi = Decisión de la alternativa i
Hi = αCmax + (1- α)Cmin

Problema 4.

Usando la matriz de utilidades del pedido de árboles de la figura 3.2

matriz de utilidad
Demanda(estados de la naturaleza)
Pedidos 2500 3000 3500 4000
2500 175000 169000 163000 157000
3000 142500 210000 204000 198000
Pedido

3500 110000 177500 245000 239000

4000 77500 145000 212500 280000

Usado el criterio de Hurwicz con un coeficiente de optimismo α = 1/3 los

cálculos para el problema se presentan en la siguiente tabla y la mejor decisión
según este criterio es pedir 3000 árboles.

62
 Irma Estrada P.

Pedido Ganancia esperada de acuerdo Decisión dado un

a la alternativa Hi coeficiente de
optimismo
2500 163,000
3000 165,000 Pedir 3000 árboles
3500 155,000
4000 145,000

5. CRITERIO DE LAPLACE

Este criterio también se le conoce como PRINCIPIO DE RAZÓN

INSUFICIENTE. El nombre de este método procede de Pierre Simón, marques
de Laplace un matemático francés del comienzo del siglo diecinueve algunas de
sus aportaciones fueron. El tratado de mecánica celeste que es un compendio
de toda la astronomía de su época con un enfoque analítico, los modelos de
Laplace con su transformada de Laplace, y muchas otras aportaciones en la
toma de decisiones presento el punto de vista de que, cuando uno se enfrenta a
un conjunto de eventos y tiene suficiente razón para suponer que uno ocurrirá
en lugar de otro, los eventos deben considerarse igualmente probables.

El criterio de Laplace parte del hecho de que no se conocen las probabilidades

de ocurrencia de cada uno de los estados de la naturaleza, propone que las
probabilidades sean las mismas para cada estado. Como ahora ya se cuenta
con información de la probabilidad de ocurrencia, se calcula la esperanza
matemática asociada a cada alternativa y por último se selecciona aquella
alternativa que corresponda al máximo valor monetario esperado. “Todas las
probabilidades son iguales o equiprobales.”

Problema 5.

Para este criterio considere los datos dela matriz de utilidades del problema con
la información de la figura 3.2 del problema de árboles navideños

63
 Irma Estrada P.

Datos

matriz de utilidad
Demanda(estados de la naturaleza)
Pedidos 2500 3000 3500 4000
2500 175000 169000 163000 157000
3000 142500 210000 204000 198000
Pedido

3500 110000 177500 245000 239000

4000 77500 145000 212500 280000

Considerando que tenemos 4 demandas o eventos de la naturaleza y todas

tienen la misma probabilidad de ocurrencia correspondiente a α = ¼. Los
cálculos son:

Se calcula el valor esperado ( EV) de cada Alternativa i desde i = 1 hasta 4

EV{2500} = (1/4)(175000+169000+163000+157000) = 166,000

EV{3000} = (1/4)(142500+210000+204000+198000) = 188,625
EV{3500} = (1/4)(110000+177500+245000+239000) = 192,875
EV{2500} = (1/4)( 77500+145000+212500+280000) = 178,750

Por lo que la mejor decisión es pedir 3500 árboles

Pedido Valor esperado de la ganancia Decisión dado el

de acuerdo a la alternativa i criterio equiprobable
2500 166,000
3000 188,625
3500 192,875 Pedir 3500 árboles
4000 178,750

6. CRITERIO DE SAVAGE también llamado Criterio del pesar o del

arrepentimiento

El notable estadístico que resaltó, que después de de que se ha tomado una

decisión y de que ha ocurrido un evento, el tomador de decisiones puede
experimentar una sensación de pesar por no haber tomado la mejor decisión.
Savage propuso que el tomador de decisiones debía reducir su pesar al
máximo. El pesar se calcula en función del costo de la oportunidad por no haber
tomado la mejor decisión, ya que no se sabe en si que efecto de la naturaleza

64
 Irma Estrada P.

va a ocurrir. Para usar este criterio primero se calcula si es necesario una matriz
de utilidades esperadas ó de costos esperados, y después en función de este
arreglo matricial se calcula la matriz del costo de la oportunidad o matriz del
costo del pesar esto se hace quitando en cada entrada de la matriz de pago la
entrada mas grande en su columna. La entrada mas grande en una columna
tendrá pesar cero. La matriz resultante se denomina una matriz de pesar o una
matriz de pérdida de oportunidad. De acuerdo a los datos del problema de
árboles de navidad de la figura 3.2 determinar la mejor decisión usando el
criterio de Savage

Problema 6.

Un comerciante de una ciudad desea saber cuál es el pedido de árboles de

navidad para venderlos en esta temporada. El pago por cada árbol es de $70
pesos y lo vende en $150 pesos Por cada árbol que vende paga $10 a sus
trabajadores para que lo entreguen empaquetado y con base. Si le sobran
árboles los vende para leña en $5 y si le faltan árboles se penaliza con $12.
Determinar cuál es la mejor decisión de acuerdo a la demanda estimada en la
figura 3.3.

DEMANDA PROB
2500 0.20
3000 0.25
3500 0.40
4000 0.15

Figura 3.3 datos del problema

Cálculo de valores de la utilidad o costo

VALOR DE LA UTILIDAD (Lo que pido, lo demandado)

(2500,2500) = -70(2500)+150(2500)-10(2500)+5(0)-12(0)=175,000. pesos

(2500,3000) = -70(2500)+150(2500)-10(2500)+5(0)-12(500)=169,000.
(2500,3500) = -70(2500)+150(2500)-10(2500)+5(0)-12(1000)=163,000.
(2500,4000) = -70(2500)+150(2500)-10(2500)+5(0)-12(1500)=157,000.

(3000,2500) = -70(3000)+150(2500)-10(2500)+5(500)-12(0) = $142,500

(3000,3000) = -70(3000)+150(3000)-10(3000)+5(0)-12(0) = 210,000
(3000,3500) = -70(3000)+150(3000)-10(3000)+5(0)-12(500) = 204,000
(3000,4000) = -70(3000)+150(3000)-10(3000)+5(0)-12(1000) = 198,000

65
 Irma Estrada P.

(3500,2500) = -70(3500)+150(2500)-10(2500)+5(1000)-12(0) = $110,000

(3500,3000) = -70(3500)+150(3000)-10(3000)+5(500)-12(0) = 177,500
(3500,3500) = -70(3500)+150(3500)-10(3500)+5(0)-12(0) = 245,000
(3500,4000) = -70(3500)+150(3500)-10(3500)+5(0)-12(500) = 239,000

(4000,2500) = -70(4000)+150(2500)-10(2500)+5(1500)-12(0) = $77500

(4000,3000) = -70(4000)+150(3000)-10(3000)+5(1000)-12(0) = 145,000
(4000,3500) = -70(4000)+150(3500)-10(3500)+5(500)-12(0) = 212,500
(4000,4000) = -70(4000)+150(4000)-10(4000)+5(0)-12(0) = 280,000

Ahora se calcularán las utilidades esperadas

La utilidad esperada se obtiene multiplicando la probabilidad de cada demanda

por las demandas correspondientes de los renglones y sumándolas.

Valor de la Utilidad Esperada= VUE

VUE = 175000* 0.20+169000*0.25+163000*0.40+157000*0.15=166000

Si pido 2500
VUE = 142500* 0.20+210000*0.25+ 2040000*0.40+198000*0.15=192000
Si pido 3000
VUE = 110000* 0.20+177500*0.25+245000*0.40+239000*0.15=200225
Si pido 3500
VUE = 77500* 0.20+145000*0.25+212000*0.40+280000*0.15=178750
Si pido 4000

Los resultados se presentan en la siguiente matriz de utilidad esperada se

observan en la figura 3.4

matriz de utilidad esperada

Demanda probable Valor de la Utilidad
0.20 0.25 0.40 0.15 esperada VUE
2500 3000 3500 4000
2500 175000 169000 163000 157000 166000
3000 142500 210000 204000 198000 192300
Pedido

3500 110000 177500 245000 239000 200225*

4000 77500 145000 212500 280000 178750

Figura 3.4 matriz de utilidades esperadas

66
 Irma Estrada P.

Una vez tomada la decisión y producido el estado natural se obtiene un

resultado; Savage argumenta que después de conocer el resultado, el decisor
puede arrepentirse de haber seleccionado una alternativa dada en este caso
pedir 3500 árboles. Savage sostiene que el decisor debe tratar de que ese
arrepentimiento se reduzca al mínimo. El criterio es el siguiente:

Formar la matriz de arrepentimientos o de costo de oportunidad

A cada estado natural se determina el mejor valor para ese estado natural. A
cada estado natural le corresponde una columna en la matriz de decisiones. En
cada columna se determina el mejor valor para ese estado natural y se sustituye
por un cero; esto significa que si ocurre ese estado natural y escogimos la
alternativa que le corresponde a ese valor óptimo, el arrepentimiento será nulo.

En sustitución de los valores del resto de la columna, se escribirá la diferencia

entre el resultado óptimo y los demás resultados; esta diferencia es el costo de
oportunidad o arrepentimiento por no haber escogido la alternativa que diera el
valor óptimo. La matriz así formada se conoce como: matriz de
arrepentimientos, de costos de oportunidad o pérdida de oportunidad.

Una vez formada la matriz de pérdida de oportunidad, Savage aconseja escoger

la estrategia que corresponde al mínimo de los arrepentimientos.

“Se basa en el costo de la oportunidad o arrepentimiento. Haciendo ceros en las

posiciones donde coincide la demanda con el pedido, restando esa cantidad a
toda la columna y así saber cuanto se esta dejando de ganar en cada opción.
El valor esperado del costo de oportunidad (VECO) se obtiene multiplicando la
probabilidad de la demanda por la demanda correspondiente de cada renglón y
sumándolas.” Ver en la figura 3.5

67
 Irma Estrada P.

matriz de costos de oportunidad de Savage

demanda
2500 3000 3500 4000 VECO
2500 0 -41000 -82000 -123000 -61500
3000 -32500 0 -41000 -82000 -35200
Pedido

3500 -65000 -32500 0 -41000 -27275*

4000 -97500 -65000 -32500 0 -48750

Figura 3.5 matriz de costos de oportunidad

Esto quiere decir que si pido 2500 árboles y ocurre que la demanda fue de 3000
mi pesar es de $41000 pesos por no haber tomado la mejor decisión. Para este
caso debí de haber comprado los 3000 árboles y así sucesivamente.
Para estos datos la mejor decisión será comprar 3500 árboles ya que mi pesar
estimado es menor.

Un gráfico que representa el comportamiento del pesar se da en la siguiente

tabla. Ver figura 3.6

70000

60000

50000

40000
Series2
$

30000

20000

10000

0
1 2 3 4
pedidos

Figura 3.6 comportamiento de la función del costo de oportunidad esperado

68
 Irma Estrada P.

3.3 VALOR DE LA INFORMACIÓN PERFECTA. 3

Vale la pena tener información adicional para la toma de decisiones? Y si es el

caso, es confiable? Cual es el valor de la información perfecta? Hay varios
métodos para hacer el cálculo

VEIP= Valor esperado de la información perfecta.

El término de valor esperado de la información perfecta VEIP se relaciona con

una medida que se denomina pago esperado con información perfecta PEIP. El
cálculo de PEIP se basa en la utilidad o ganancia esperada obtenida en el
supuesto de que el tomador de decisiones tiene acceso a un predictor perfecto.
Se supone que si el predictor perfecto pronostica que ocurrirá un valor de
estado particular, se piensa que ocurrirá realmente.

Dicho valor de estado. Esto implica que si el tomador de decisiones pudiera

obtener información perfecta sobre la variable aleatoria de estado, escogería
cada vez la acción que diera el pago más alto para el valor de estado de la
naturaleza que es pronosticado por el predictor perfecto.

El calculo de PEIP se determina en función esto implica que si el tomador de

decisiones pudiera obtener información perfecta sobre la variable aleatoria de
estado escogería cada vez la acción que diera el valor de ganancia mas alta
para el valor de estado que es pronosticado por el predictor perfecto.

Problema 7.
Así por ejemplo para los árboles de navidad si el decisor supiera que va a
ocurrir una demanda de 2500 árboles escogería la alternativa de pedir 2500
árboles, si supiera que el estado que va a ocurrir es de 3000 árboles tomaría
esa decisión para pedir., continuando con esa línea de razonamiento tenemos:

VEIP = PEIP - VUE

PEIP = ∑ (Utilidad esperada)× (la probabilidad de que esto ocurra)

PEIP = (175000 × 0.20) + (210000×0.25) + (245000 × 0.40) + (280000×0.15) =

$227500

3
Ya – Lun Chou, Análisis Estadístico, (p.405). Editorial Interamericana, segunda Edición

69
 Irma Estrada P.

El valor VUE fue calculado anteriormente como la el valor de la utilidad

esperada para el problema de los arboles de navidad que fue de 200,225.00
Por lo que el VEIP es:

VEIP = 227500-200225 = $27,275.00

Interpretando el resultado de VEIP se dice que no se debe pagar más de esta

cantidad 27,275 por un predictor perfecto. Suponga que el propietario puede
pedir, cualquier nivel de demanda y luego devolver los árboles no vendidos a su
proveedor sin costo adicional, la alternativa valdría $27,225.00 para él. Así, el
valor esperado de la información perfecta debe ser idéntico a la perdida
esperada de la alternativa óptima.

El proceso de obtener información adicional del muestreo, de experimentos o de

pruebas siempre supone un costo. Si el costo de la información adicional es
mayor al VEIP, entonces no tendría sentido obtener la información adicional, si
se obtiene, raras veces es perfecta. Así VEIP proporciona en realidad un límite
superior al valor esperado de muestreo o información experimental.

3.4 ÀRBOLES DE DECISIÓN.

Una manera de visualizar un problema de decisiones es en términos de un

diagrama de árbol de decisión.

Un árbol de decisión muestra cronológicamente la secuencia de acciones y

resultados a medida que estas acciones son consideradas

Un árbol de decisión proporciona una forma para desplegar visualmente un

problema y después organizar el trabajo de cálculos que deben realizarse

Los árboles de decisión son especialmente útiles cuando deben tomarse una
serie de decisiones.

TERMINOLOGÍA.

Nodo de decisión: Indica que una decisión necesita tomarse en ese punto del
proceso.

70
 Irma Estrada P.

Está representado por un cuadrado

Nodo de probabilidad: Indica que en ese punto del proceso ocurre un evento
aleatorio (estado de la naturaleza). Está representado por un círculo

Rama ó flecha: Nos muestra los distintos posibles caminos que se pueden
emprender dado que tomamos una decisión u ocurre algún evento aleatorio

Los árboles de decisión presentan una técnica que permite analizar decisiones
secuenciales basada en el uso de resultados y probabilidades asociadas.

Las ventajas de un árbol de decisión son:

 Resume los ejemplos de partida, permitiendo a clasificación de nuevos

casos siempre y cuando no existan modificaciones sustanciales en las
condiciones bajo los cuales se generaron los ejemplos que sirvieron paro
su construcción.

 Facilita lo interpretación de lo decisión adoptado.

 Proporciono un alto grado de comprensión del conocimiento utilizado en

la tomo de decisiones.

 Explica el comportamiento respecto a una determinada tarea de decisión.

 Reduce el número de variables independientes.

 Es una magnifica herramienta para el control de la gestión empresarial.

Se utiliza un círculo para una acción y un cuadro para una decisión.

71
 Irma Estrada P.

Problema 8.

Desarrollar un diagrama de decisión del siguiente problema

Un estudiante tiene que decidir si se va o no de intercambio a diferentes países

o se queda en el ITP.

Problema 9

En un pequeño taller se intenta determinar cuál de dos máquinas de precisión

comprar. Ambas máquinas cumplirán las necesidades del tallero durante los
diez años siguientes. La máquina 1 cuesta $20000 pesos y tiene un seguro de
mantenimiento que por una cuota anual de $1500, cubre todas las reparaciones.
La maquina dos cuesta $30000 y su costo de mantenimiento anual es una
variable aleatoria. En el presente, el jefe del taller cree que hay un 40% de
probabilidades de que el costo de mantenimiento anual para la máquina 2 sea
de $0 pesos, 40% de probabilidades de que sea de $1000 y 20% de
probabilidades de que sea de $2000. Antes de que se tome la decisión de
comprar, el taller puede pedir a un técnico capacitado que evalúe la capacidad
de la máquina dos. Si el técnico cree que la máquina dos es satisfactoria hay
60% de probabilidades de que su costo de mantenimiento anual sea $0, y 40%
de probabilidades de que sea $1000. Si el técnico cree que la máquina 2 es
insatisfactoria, hay 20% de probabilidades de que el costo de mantenimiento
anual sea de $0, 40% de que sea $1000 y 40% de 1que sea $2000. Si hay
50% de probabilidades de que el técnico de un informe satisfactorio.
Construir el árbol de decisión y determinar.

72
 Irma Estrada P.

¿Cuál es el valor esperado para la toma de decisiones? determinarlo usando

arboles de decisión. Si el técnico cobra $400. ¿Qué decisión debe tomar el jefe
del taller? ¿Cuál es el VEIP? (Valor esperado de la información perfecta)

Representación del problema mediante un árbol de decisión

(-20000-10(1500))=
-35000
Comprar
máq. 1

(-30000-(0-
4(1000)+0.2(2000))10=-
Comprar 38000
máq.2
(-35000-40)=
-34900 máq. 1 -35400

test
-34400
técnico satisfactorio
máq.2 (-30000-10(.40(1000))
-40= -34400

-34900 máq.1 (-35000-40)=-35400

no
satisfactorio -35400

máq.2 (-3000-10(0.4(100)+
0.4(2000))-40=-42400

Haciendo el análisis del árbol y calculando la utilidad esperada por rama.

73
 Irma Estrada P.

La mejor decisión según muestra el árbol de decisión es hacer la prueba con

el técnico y si es satisfactoria comprar la máquina 2 , si es no satisfactoria
comprar la máquina 1

Para dar respuesta al valor de la información perfecta se tiene.

Máq. 1 =-35000

-30000 Máq. 2 = -30000-

Mantenimiento 10(0)
anual =0

0.4
Máq. 1= -35000
0.4
Mantenimiento -35000
-33000 anual =100 Máq. 2 =-30000-
10(1000)
0.2
Máq.1 0-35000
Mantenimiento
anual =200
-35000

Máq.2 -30000-
10(2000)

El valor esperado de la información perfecta es = -33000-(-35000)=$2000

74
 Irma Estrada P.

3.5.-TEORÍA DE UTILIDAD. 4

Al evaluar las funciones de utilidad se deben tener en cuenta dos cosas.

Primero, puesto que hay involucrada una expresión de sentimientos subjetivos,
uno debe cuestionar el grado de exactitud de la función de utilidad. Sin
embargo, a no ser que el problema de la toma de decisiones sea altamente
sensible a cambios pequeños en la función de utilidad, no debe ser difícil de
derivar una función de utilidad que sea una aproximación razonable de las
preferencias del individuo. Segundo debe notarse que la función de utilidad de
una persona no permanece necesariamente constante sobre el tiempo. De la
misma manera que la riqueza y otros factores cambian en su vida, sus valores
cambian, modificando por tanto su función de utilidad de alguna manera.
La evaluación de la función de utilidad de una persona comprende la
traducción en términos cuantitativos de los sentimientos subjetivos que no
hayan sido analizados, antes de una manera cuantitativa precisa se tienen
cuatro enfoques para este análisis aquí se va a representar el enfoque llamado
de Medida directa

El enfoque de medida directa comprende realizar una serie de preguntas del

tipo: Suponga que fuera a darle un regalo de $100.00. Estos $100 proceden una
persona (filántropo) que tiene recursos ilimitados. ¿Cuánto dinero necesitaría
para sentirse dos veces tan feliz como lo hace el recibir $100? Las respuestas a
una secuencia de tales preguntas, permite que se pueda graficar una curva de
utilidad (o una curva de valor) contra cualquier escala de utilidad arbitrariamente
elegida que se desee. Sin embargo es un enfoque muy burdo, no tiene que ver
con la incertidumbre y no es tan preciso como otros métodos. Ver figura 3.7
Los otros tres enfoques tienen que ver con la actitud del riesgo y le piden al
tomador de decisiones que compare ciertos juegos con sumas seguras de
dinero, o juegos con juegos. En estos enfoques la actitud del riesgo se grafica
en forma de una función de utilidad y subsecuentemente se utiliza para elegir la
mejor alternativa, basado en un criterio de maximización de la utilidad esperada.

4
Moskowitz, Herbert., Wright, Gordon. Investigación de Operaciones . (p.148-149), Editorial Prentice Hall

75
 Irma Estrada P.

100

90

80

70

60

50
Felicidad

40

30

20

10

0
200 200 400 600 800 1000
Infelicidad Dolores
suprema

Figura 3.75.3
Figura Medida directa
Medida de de
directa utilidad (valor)
Utilidad (valor)

3.6.- ANÁLISIS DE SENSIBILIDAD. 5

La aplicación de la media bayesiana como criterio de decisión requiere una ley

de probabilidades anteriores que puede ser a veces difícil de establecer, en
muchas situaciones puede ser suficiente solo conocer las probabilidades
anteriores aproximadas para llegar a la decisión apropiada. En estas situaciones
las utilidades o perdidas especificados son tales que la decisión final puede ser
insensible a las probabilidades calculadas.

5
Ya – Lun Chou, Análisis Estadístico, (p. 407). Editorial Interamericana, segunda Edición

76
 Irma Estrada P.

Así que es necesario probar que tan sensible es la elección de la alternativa

optima a las diferentes asignaciones de probabilidad anteriores a los valores de
la variable de estado. El estudio que prueba cuán sensible es la solución de un
problema de decisión a los cambios en los datos de las variables se llama
análisis de sensibilidad.

Problema 10.

Se quiere tomar una decisión de introducir un nuevo producto, un fabricante

está considerando si debe construir una planta pequeña (A1) o una planta
grande (A2). El tamaño de la planta depende depende si habrá una demanda
baja θ1, o una demanda alta θ2, para el producto propuesto. Los datos de las
utilidades según la demanda están dados en la siguiente tabla.

Matriz de utilidades del nuevo producto (en millones de dólares)

Estado de la naturaleza
Alternativa θ1: demanda baja θ2: demanda alta
A1: Planta pequeña 1 3
A2: Planta grande 0 4

Haciendo un análisis de comportamiento de la demanda el fabricante deduce

que las probabilidades son para la demanda baja 3/8, y para la demanda alta es
de 5/8 con estas probabilidades se calcula el valor de la utilidad esperada para
cada alternativa

VUE (A1) = 1(0.375) + 3(0.625) = 2.25 millones

VUE (A2) = 0(0.375) + 4(0.625) = 2.50 millones

De acuerdo a los resultados obtenidos se debe construir la planta grande según

la mejor decisión
Para hacer un análisis de decisión ¿Cuánto tendría que cambiar la probabilidad
de la demanda baja para que cambie la decisión? Esto se resuelve con el
análisis de sensibilidad el cual debe desminarse el punto de equilibrio para las
probabilidades de cada uno de los estados de la naturaleza tales que las

utilidades esperadas de las dos alternativas sean iguales. Si en el ejercicio se

fija:

77
 Irma Estrada P.

P = ƒ0(θ1) y (1-p) = ƒ0(θ2) y despejamos p en VUE (A1) = VUE (A2)

O 1(p) + 3(1-p) = 0(p) + 4(1-p)

p + 3 -3p = 4-4p despejando se obtiene p = 0.5

Este resultado indica que si p = ƒ0(θ1) = 0.5 entonces se puede decir que hay
indiferencia entre las dos alternativas A1 y A2 .Es decir, la probabilidad dada de
manera subjetiva en el problema inicial de 0.375 asignada a θ1 podrá ser
variada hasta el valor calculado de 0.5 y la propuesta A2 será una mejor
alternativa que A1. Evidentemente para valores de p en exceso de 0.5, A1
tendría utilidades esperadas más altas y por consiguiente sería la mejor
decisión.

El ejemplo anterior muestra el uso del análisis de sensibilidad para los efectos
de variación de probabilidades dadas sobre la elección de la alternativa óptima.
El análisis de sensibilidad puede extenderse a m modelos de decisión con
cualquier número de alternativas y con cualquier número de estados de la
naturaleza. Cuando aumenta el número de alternativas, aumenta la sensibilidad
del modelo. Pero el aumento de la sensibilidad de la elección de la alternativa a
las asignaciones de probabilidades puede ser contrarrestada en cierto grado por
la menor diferencia entre las utilidades o costos esperados.

El análisis de sensibilidad también puede ser aplicado para determinar los

efectos de las variaciones en los valores esperados sobre la elección de la
alternativa óptima. En términos generales se debe probar cuan sensible es la
solución de un problema de decisión a los cambios en los valores de todas las
variables relevantes. Se requiere mucho cálculo matemático para un gran
número de alternativas y estados de la naturaleza por lo que es conviente hacer
uso de la computadora para una mejor decisión

78
 Irma Estrada P.

3.7 USO DE SOFTWARE

Aplicando los criterios de decisión del punto 3.2 y un coeficiente de optimismo α

de 0.7 considerando tres alternativas y 4 estados de la naturaleza

Se muestra la siguiente tabla resumen con los criterios vistos en el punto 3.2

79
 Irma Estrada P.

EJERCICIOS
1.- Un negocio de pizzas no sabe cuántas pizzas hornear y se le pide determinar el número
de pizzas correcto, si 150, 160, 170, ó 180 por semana a continuación en la tabla de abajo
se dan las probabilidades y las utilidades para cada caso. Determinar la mejor decisión
suponiendo un periodo de tiempo de 8 semanas. Tabla de datos Utilidades, y prob abilidad.

Demanda de pizzas

número de pizzas a
hornear
150 160 170 180
150 $3000 $3000 $3000 $3000
160 $2900 $3200 $3200 3200
170 $2800 $3100 3400 3400
180 $2700 $3000 3300 3600
Prob. De la demanda 0.20 0.40 0.25 0.15

A) Determinar el árbol de decisión

B) Determinar el valor esperado de la información.
2.- Resolver el siguiente problema. Una empresa petrolera debe determinar si perfora o no, una
zona montañosa de Tabasco, para buscar petróleo. Cuesta 100 millones perforar y, si
encuentra petróleo, su valor se calcula en 600 millones. Actualmente la empresa cree que hay
45% de probabilidades que el campo contenga petróleo. Antes de perforar, la empresa, puede
contratar por 1 millón de pesos a un geólogo para obtener más información acerca de la
probabilidad que haya petróleo en el lugar. Hay un 50% de probabilidades que el geólogo emita
un dictamen favorable, contra un 50% de probabilidades que el dictamen sea desfavorable. Si el
dictamen es favorable, hay una probabilidad de 80% que el campo tenga petróleo. Si el
dictamen es desfavorable, hay un 10% de probabilidades que haya petróleo. Determinar por el
método más adecuado la mejor decisión.

Problema 3.- Los directivos de una empresa deben escoger uno de tres fondos mutuos
comparables en el cual invertir un millón de dólares. El personal del departamento de
investigación ha estimado la recuperación esperada en un año para cada uno de los fondos
mutuos, basándose en un desempeño pobre, moderado o excelente del índice Dow Jones de la
manera siguiente

RECUPERACIÓN ESPERADA
DESEMPEÑO DEL DOW JONES FONDO1 FONDO2 FONDO3 PROB.
POBRE $50,000 $25,000 $40,000 0.3
MODERADA $75,000 85,000 90,000 0.5
EXCELENTE $100,000 150,000 175,000 0.2

Utilice la matriz de ganancias para calcular la mejor decisión usando los siguientes criterios

A) Optimista
B) Pesimista
C) De Hurwics con  =0.65
D) De SAVAGE
E) Preparar un resumen con los resultados y que incluyan la mejor decisión

80
 Irma Estrada P.

Bibliografía

Anderson, D.R.-Sweeny, D.J.-William, T.A. "Introducción a los modelos cuantitativos para

administración". Ed. Iberoamericana.

An-Min Chung “ Linear Programming” Edit. Merrill

Bazaraa, M.-Jarvis, J. "Programación lineal y flujo en redes". Ed. Limusa

Hillier Fredericks– Liberman Gerald J. Introducción a la Investigación de Operaciones, México:

Editorial Mc Graw Hill. 2001

Kaufman, A. Métodos y Modelos de da Investigación de Operaciones (Tomo 1), Editorial

C.E.C.S.A. 8ª Edición.1984.

Mckeown y Davis. Modelos Cuantitativos para Administración, Editorial Iberoamericana.

Moskowitz, Herbert., Wright, Gordon. Investigación de Operaciones, Editorial Prentice Hall.

Philips D. T. Operations research. New York: Editorial John Wiley. 1976.

Prawda, Juan. Métodos y Modelos de la Investigación de Operaciones (Tomo 1y II), Editorial

Limusa.

Shamblin, James E. Investigación de Operaciones, Editorial Mc Graw Hill.

Taha, Hamdy A. Investigación de Operaciones: Una introducción. México: Editorial Alfa Omega.
1995.

Thierauf, Robert., Grose, Richard. Toma de Decisiones por medio de Investigaciones de

Operaciones, Editorial Limusa.

Wayne L. Winston. Investigación de Operaciones, Aplicaciones y Algoritmos, Cengage Learning,

cuarta Edición.

Ya – Lun Chou, Análisis Estadístico, Editorial Interamericana, segunda Edición

81